Supervised Learning

L’apprentissage supervisé est une branche de l’apprentissage automatique (ML) dans laquelle un modèle apprend à associer des entrées à des sorties à partir d’exemples étiquetés, c’est-à-dire d’entrées associées à la bonne réponse, souvent appelée vérité terrain. Pendant l’entraînement, les prédictions du modèle sont comparées à ces étiquettes et ses paramètres sont ajustés pour réduire l’écart. L’objectif est la généralisation : produire des prédictions précises sur de nouvelles entrées jamais vues par le modèle. De nombreux systèmes de ML largement déployés reposent sur l’apprentissage supervisé, notamment les filtres antipourriel, l’évaluation du risque de crédit, la prévision de la demande, les classificateurs d’images et les détecteurs d’objets.

Fonctionnement de l’apprentissage supervisé#

Un jeu de données supervisé est un ensemble de paires (entrée, étiquette), réparties entre données d’entraînement pour ajuster le modèle, données de validation pour régler les paramètres et choisir le moment de l’arrêt, et données de test pour obtenir une estimation finale et impartiale des performances. Pour chaque lot d’entraînement, le modèle effectue des prédictions, une fonction de perte mesure leur écart par rapport aux étiquettes, puis un algorithme d’optimisation comme la descente de gradient stochastique met à jour les poids du modèle pour réduire cette perte. Un passage sur l’ensemble d’entraînement constitue une époque, et l’entraînement dure généralement de nombreuses époques, pendant lesquelles le score de validation est surveillé.

Un modèle qui continue de réduire sa perte d’entraînement alors que son score de validation se dégrade est en surapprentissage : il mémorise les étiquettes d’entraînement, y compris leur bruit, au lieu d’apprendre des motifs généralisables. L’augmentation de données, la régularisation, davantage de données et l’arrêt anticipé permettent de lutter contre ce phénomène.

Classification, régression et sorties structurées#

• Classification : Prédit une catégorie discrète, comme « pourriel » ou « pas un pourriel », ou indique laquelle des 1 000 classes ImageNet apparaît sur une image.
• Régression : Prédit une valeur continue, comme le prix d’une maison, la demande de demain ou la distance jusqu’à un objet ; la régression linéaire est le modèle le plus simple.
• Sorties structurées : De nombreuses tâches de vision combinent les deux. La détection d’objets classe chaque objet et prédit les coordonnées de sa boîte englobante par régression ; la segmentation classe chaque pixel et l’estimation de pose prédit les positions des points clés.

La même méthode supervisée s’applique à des modèles très différents, des algorithmes classiques comme la régression logistique, les forêts aléatoires et les arbres de gradient boosting sur des données tabulaires, jusqu’aux réseaux neuronaux profonds appliqués aux images, au son et au texte.

Données étiquetées et coût associé#

Les étiquettes proviennent d’annotateurs humains, de dossiers comme les cas de fraude ou les achats passés, et d’instruments ; leur qualité limite celle du modèle. Les erreurs systématiques d’étiquetage, les règles d’annotation incohérentes, le déséquilibre des classes et la fuite de données entre les jeux d’entraînement et de test expliquent souvent pourquoi les modèles obtiennent de bons résultats en développement, mais échouent en production. Comme l’étiquetage des données est souvent la partie la plus coûteuse d’un projet, les méthodes connexes visent à réduire le nombre d’étiquettes nécessaires. L’apprentissage actif demande aux annotateurs d’étiqueter uniquement les échantillons les plus informatifs, tandis que l’apprentissage par transfert part d’un modèle préentraîné sur un grand jeu de données, ce qui réduit fortement le nombre d’exemples étiquetés nécessaires à une nouvelle tâche.

L’entraînement de YOLO26 repose sur l’apprentissage supervisé à partir d’images étiquetées : chaque image d’entraînement possède un fichier d’étiquettes qui répertorie l’identifiant de classe et les coordonnées normalisées de la boîte englobante de chaque objet. Le mode train met à jour le modèle pour réduire la perte entre les classes et les boîtes prédites et les étiquettes correspondantes. Cet exemple affine des poids préentraînés sur COCO8, un échantillon de 8 images du jeu de données COCO comprenant 4 images d’entraînement et 4 de validation, afin de vérifier le bon fonctionnement de bout en bout d’un pipeline d’entraînement :

from ultralytics import YOLO

# Partir de poids préentraînés sur l’ensemble du jeu de données COCO
model = YOLO("yolo26n.pt")

# Entraînement supervisé : images associées à des étiquettes de boîtes et de classes
results = model.train(data="coco8.yaml", epochs=3, imgsz=640)

Apprentissage supervisé et autres paradigmes d’apprentissage#

• Apprentissage non supervisé : N’utilise aucune étiquette et trouve la structure dans les seules entrées, sous forme de groupes ou de représentations compressées, par exemple.
• Apprentissage semi-supervisé : S’entraîne sur un petit jeu étiqueté et un grand jeu non étiqueté, souvent en attribuant des pseudo-étiquettes aux prédictions fiables sur les données non étiquetées.
• Apprentissage auto-supervisé : Crée des étiquettes à partir des données elles-mêmes, comme le mot suivant d’une phrase ou une portion masquée d’une image. C’est ainsi que les grands modèles de langage et les modèles fondamentaux de vision sont préentraînés avant leur ajustement supervisé.
• Apprentissage par renforcement : Apprend à partir des récompenses obtenues par des actions dans un environnement, sans action correcte étiquetée pour chaque situation.
• Apprentissage avec peu d’exemples : Reconnaît de nouvelles classes à partir de quelques exemples étiquetés, généralement de 1 à 10 par classe, en s’appuyant sur les connaissances acquises lors du préentraînement.